Ignorez la navigation

Tarification Azure AI Speech

Services vocaux unifiés pour la reconnaissance vocale, la synthèse vocale et la traduction vocale

Les services Speech unifiés offrent un large éventail de fonctionnalités de reconnaissance vocale et de génération, notamment la transcription de la parole, la synthèse vocale et la traduction vocale. Les services Speech offrent un large éventail de fonctionnalités de reconnaissance vocale et de génération, notamment la transcription de la parole, la synthèse vocale, la traduction vocale et la reconnaissance de l’orateur.

Explorez les options tarifaires

Appliquez des filtres pour personnaliser les options de tarification à vos besoins.

Les prix ne sont que des estimations et ne sont pas destinés à être des devis réels. Le prix réel peut varier selon le type de contrat conclu avec Microsoft, la date d'achat et le taux de change. Les prix sont calculés en dollars américains et convertis à l'aide des taux de clôture au comptant de Londres saisis au cours des deux jours ouvrables précédant le dernier jour ouvrable de la fin du mois précédent. Si les deux jours ouvrables précédant la fin du mois tombent un jour férié sur les principaux marchés, le jour de fixation des taux est généralement le jour précédant immédiatement les deux jours ouvrables. Ce taux s'applique à toutes les transactions du mois à venir. Connectez-vous au calculateur de prix Azure pour voir les prix en fonction de votre programme/offre actuel avec Microsoft. Contactez un spécialiste des ventes Azure pour plus d'informations sur les prix ou pour demander un devis. Consultez les questions fréquemment posées sur la tarification Azure.

Gratuit (F0)

Catégorie Fonctionnalités Tarif
Reconnaissance vocale
(facturation par seconde)
Standard 5 heures audio gratuites par mois3
API Web 5 heures audio gratuites par mois3
Hébergement de point de terminaison : 1 modèle gratuit par mois1
Audio multicanal de transcription de conversation VERSION PRÉLIMINAIRE 5 heures audio gratuites par mois
Synthèse vocale
(facturation par caractère)
Neuronal 0.5 million millions de caractères gratuits par mois
Traduction vocale
(facturation par seconde)
Standard 5 heures audio gratuites par mois
Reconnaissance de l'orateur
(facturation par transaction)
Vérification de l’orateur2 10,000 transactions gratuites par mois
Identification de l’orateur2 10,000 transactions gratuites par mois
Stockage du profil vocal 10,000 transactions gratuites par mois

Consultez la documentation pour plus d’informations sur les quotas, les limites et les instructions sur l’augmentation des demandes simultanées.

1Les modèles inutilisés sont automatiquement retirés après 7 jours.

2La reconnaissance de l'orateur est une fonctionnalité d’accès limité qui nécessite de faire une demande pour y accéder.

3Les heures audio gratuites pour la reconnaissance vocale sont partagées entre Standard et Personnalisé, le lot n'est pas pris en charge.

Paiement à l’utilisation : payez uniquement pour ce que vous utilisez.

Catégorie Tarif
Reconnaissance vocale
(facturation par seconde)
Standard Transcription en temps réel : $- par heure
Transcription rapideAperçu: $- par heure9
Transcription par lots : $- par heure1
API Web Transcription en temps réel : $- par heure
Transcription par lots : $- par heure1
Hébergement de point de terminaison : $- par modèle par heure
Formation Custom Speech5: $- par heure de calcul
Fonctionnalités améliorées du module complémentaire :
  • Identification continue de la langue
  • Diarisation
  • Évaluation de la prononciation (prosodie, grammaire, vocabulaire, sujet)
Temps réel : $- par heure par fonctionnalité
Lot (identification en langage continu, diarisation) : inclus dans Standard/Personnalisé (sans frais supplémentaires)
Audio multicanal de transcription de conversation VERSION PRÉLIMINAIRE $- par heure2
Traduction vocale
(facturation par seconde)
Traduction vocale en temps réel $- par heure audio3
Traduction vidéoAperçu Lot : $- par minute vidéo de sortie
Modification du contenu : $- par minute vidéo de sortie
Voice personnelle: $- par minute vidéo de sortie
Synthèse vocale8 Voix standard Neuronal: $- tous les 1 million de caractères
HD neural4: $- tous les 1 million de caractères
Custom Voice Audio professionnel :
Synthèse : $- par 1 million de caractères
Formation au modèle vocal : $- par heure de calcul, jusqu’à $- par formation
Hébergement de point de terminaison : $- par modèle par heure
Voice personnelle6:
Synthèse : $- par 1 million de caractères
Création de voix : gratuit
Stockage du profil Voice : $- pour 1 000 profils vocaux par mois
Fonctionnalité améliorée du module complémentaire : Avatar Standard: $- par minute
API Web:
Synthèse en temps réel : $- par minute
Synthèse par lots : $- par minute
Hébergement de point de terminaison : $- par modèle et par heure
Reconnaissance de l'orateur
(facturation par transaction)
Vérification de l’orateur7 $- toutes les 1,000 transactions
Identification de l’orateur7 $- toutes les 1,000 transactions
Stockage du profil vocal $- tous les 1,000 profils vocaux (10,000 profils vocaux gratuits par mois)

Consultez la documentation pour plus d’informations sur les quotas, les limites et les instructions sur l’augmentation des demandes simultanées.

Les heures de reconnaissance vocale sont mesurées comme les heures d'audio envoyées au service, facturées par seconde.

1Pour tirer parti de cette nouvelle tarification de transcription par lot, vous devez utiliser la conversion de parole en texte de l’API REST V3.2 ou version ultérieure. Pour plus d’informations, consultez la conversion de parole en texte de l’API REST de reconnaissance vocale.

2Cela reflète la tarification de la préversion publique.

3Ce prix comprend 1 entrée et sortie audio, jusqu'à 2 langues de traduction de texte utilisant la Reconnaissance vocale standard ou personnalisée et la traduction standard. Pour une traduction personnalisée ou plus de 3 langues de traduction, veuillez consulter la page de tarification de la traduction de texte Azure AI Translator.

4Les voix de la conversion de texte par synthèse vocale OpenAI sont disponibles via deux variantes de modèle : Neural et NeuralHD. Découvrez plus d’informations ici.

5L’entraînement Custom Speech s’applique lors de la personnalisation d’un modèle de base publié le 1er octobre 2023 ou après.

6Personal Voice est une fonctionnalité à accès limité réservée à certains cas d’utilisation pré-approuvés uniquement, avec la nécessité de demander l'accès. Pour en savoir plus sur le service, vérifier le document.

7La reconnaissance de l'orateur est une fonctionnalité d’accès limité qui nécessite de faire une demande pour y accéder.

8Conversion de texte par synthèse vocale : l’utilisation de la synthèse vocale est facturée par caractère. L’avatar est facturé par seconde. L’hébergement de formation et de modèle est facturé par seconde.

9Pour utiliser la transcription rapide, vous devez utiliser la reconnaissance vocale de l’API REST 2024-05-15-preview ou versions ultérieures. Pour plus d’informations, consultez la conversion de parole en texte de l’API REST de reconnaissance vocale.

Niveaux d'engagement – Azure – Standard

Catégorie Fonctionnalités Prix (par mois) Dépassement
Reconnaissance vocale Standard $- pendant 2,000 heures $- par heure
$- pendant 10,000 heures $- par heure
$- pendant 50,000 heures $- par heure
API Web $- pendant 2,000 heures $- par heure
$- pendant 10,000 heures $- par heure
$- pendant 50,000 heures $- par heure
Fonctionnalités améliorées du module complémentaire :2
  • Identification continue de la langue
  • Diarisation
  • Évaluation de la prononciation (prosodie, grammaire, vocabulaire, sujet)
$- pendant 2,000 heures $- par heure
$- pendant 10,000 heures $- par heure
$- pendant 50,000 heures $- par heure
Synthèse vocale Neuronal1 $- pour 80 M de caractères $- par lot de 1 M de caractères
$- pour 400 M de caractères $- par lot de 1 M de caractères
$- pour 2,000 M de caractères $- par lot de 1 M de caractères

1La synthèse en temps réel uniquement, cela n’inclut pas la création audio longue.

2Parole en texte en temps réel uniquement, fonctionnalités complémentaires d'identification continue du langage et de diarisation incluses avec la reconnaissance vocale par lots.

Niveaux d'engagement – Conteneur connecté

Catégorie Fonctionnalités Prix (par mois) Dépassement
Reconnaissance vocale2 Standard $- pendant 2,000 heures $- par heure
$- pendant 10,000 heures $- par heure
$- pendant 50,000 heures $- par heure
API Web $- pendant 2,000 heures $- par heure
$- pendant 10,000 heures $- par heure
$- pendant 50,000 heures $- par heure
Fonctionnalités améliorées du module complémentaire :2
  • Identification de la langue
  • Diarisation
$- pendant 2,000 heures $- par heure
$- pendant 10,000 heures $- par heure
$- pendant 50,000 heures $- par heure
Synthèse vocale Neuronal1 $- pour 80 M de caractères $- par lot de 1 M de caractères
$- pour 400 M de caractères $- par lot de 1 M de caractères
$- pour 2,000 M de caractères $- par lot de 1 M de caractères

1La synthèse en temps réel uniquement, cela n’inclut pas la création audio longue.

2La tarification s’applique aux cas d’utilisation en temps réel et par lots. Il n’existe pas de prix de lot distinct pour les conteneurs.

Consultez la documentation pour plus d'informations sur les niveaux d'engagement.

Niveaux d'engagement – Conteneur déconnecté

Inscrivez-vous pour accéder à la parole dans des conteneurs déconnectés ou en savoir plus

Catégorie Fonctionnalités Prix (par an) Utilisation maximale (par an) Utilisation projetée (par mois)
Reconnaissance vocale2 Standard $-
$-
Inscrivez-vous pour obtenir l'accès.
En savoir plus
120 000 heures
600 000 heures
10 000 heures
50 000 heures
API Web $-
$-
Inscrivez-vous pour obtenir l'accès.
En savoir plus
120 000 heures
600 000 heures
10 000 heures
50 000 heures
Fonctionnalités améliorées du module complémentaire :
  • Identification de la langue
  • Diarisation
$-
$-
120 000 heures
600 000 heures
10 000 heures
50 000 heures
Synthèse vocale Neuronal1 $-
$-
Inscrivez-vous pour obtenir l'accès.
En savoir plus
4,8 milliards de caractères
24B caractères
400 millions de caractères
2 000 millions de caractères

1La synthèse en temps réel uniquement, cela n’inclut pas la création audio longue.

2La tarification s’applique aux cas d’utilisation en temps réel et par lots. Il n’existe pas de prix de lot distinct pour les conteneurs.

Ces fonctionnalités sont déconseillées et ne sont disponibles que pour les clients existants. Consultez les détails et découvrez comment migrer vers de nouvelles fonctionnalités.

Instance Catégorie Fonctionnalités Tarif
Gratuit - Web/conteneur
1 demandes simultanées
Synthèse vocale Standard 5 million millions de caractères gratuits par mois
API Web 5 million millions de caractères gratuits par mois
Hébergement de point de terminaison : 1 modèle gratuit par mois
Standard - Web/Conteneur
100 demandes simultanées pour le modèle de base
20 demandes simultanées pour le modèle personnalisé
Synthèse vocale Standard $- tous les 1 million de caractères
API Web $- tous les 1 million de caractères
Hébergement de point de terminaison : $- par modèle par heure

Tarification et options d’achat Azure

Connectez-vous directement avec nous

Obtenez un guide pas à pas de la tarification Azure. Comprenez la tarification de votre solution cloud, découvrez l’optimisation des coûts et demandez une offre personnalisée.

Discuter avec un spécialiste des ventes

Découvrez les modalités d'achat

Achetez des services Azure via le site web Azure, un représentant Azure ou un partenaire Azure.

Explorez vos options

Ressources supplémentaires

Azure AI Speech

En savoir plus sur les fonctionnalités et capacités Azure AI Speech.

Calculatrice de prix

Estimez vos coûts mensuels pour l’utilisation des différentes combinaisons de produits Azure.

Documentation

Consulter les didacticiels et vidéos techniques, et d’autres ressources Azure AI Speech.

    • Pour la reconnaissance vocale et la traduction vocale, l’utilisation est facturée par incréments d’une seconde.
    • Pour la synthèse vocale : l’utilisation est facturée par caractère. Vérifiez la définition d’un caractère dans les notes sur la tarification.
    • Pour l'hébergement vocal neural personnalisé : l'utilisation est facturée par point de terminaison et par seconde. Vérifiez les détails dans la note de prix.
    • Pour le stockage de profils vocaux personnels : l'utilisation est facturée par profil vocal et par jour. Vérifiez les détails dans la note de prix.
    • Pour l’avatar Synthèse vocale, l’utilisation est facturée par seconde.
    • Pour Reconnaissance vocale et Synthèse vocale (y compris Avatar), l’hébergement des points de terminaison pour les modèles personnalisés est facturé à la seconde et par modèle.
  • Le service vocal Speech permet aux utilisateurs d’adapter des modèles de base en fonction de leurs propres données acoustiques et linguistiques, produisant ainsi des modèles vocaux personnalisés qui peuvent être utilisés avec la reconnaissance vocale et la traduction vocale.

  • Le modèle linguistique est une distribution de probabilité sur des séquences de mots. Le modèle linguistique aide le système à opérer un choix parmi des séquences de mots homophones, en se basant sur la probabilité des séquences de mots elles-mêmes. Par exemple, les groupes de mots « séquence vocale » et « c’est quand ce veau cale » se prononcent de la même manière mais, la première hypothèse étant sensiblement plus probable, le modèle linguistique lui attribue un score supérieur. Si vous vous attendez à ce que les requêtes vocales adressées à votre application contiennent des éléments de vocabulaire particuliers, tels que des noms de produits ou des mots de jargon technique rarement rencontrés dans un discours ordinaire, vous obtiendrez probablement de meilleures performances en personnalisant le modèle linguistique. Par exemple, imaginons que vous construisez une application pour rechercher sur MSDN à l’aide de la voix. Il est probable que des termes tels que « orienté objet » ou « espace de noms » apparaissent plus fréquemment que dans des applications vocales ordinaires. La personnalisation du modèle linguistique permet au système d’apprendre cela.

  • Le modèle acoustique est un classifieur qui étiquette de courts fragments audio en l’un des quelques phonèmes, ou unités sonores, de chaque langue. Ces phonèmes peuvent être assemblés pour former des mots. Par exemple, le mot « vocal » comprend cinq phonèmes : « v », « o », « k », « a » et « l ». Ces classifications sont effectuées une centaine de fois par seconde. Une personnalisation du modèle acoustique peut permettre au système d’effectuer une meilleure reconnaissance vocale dans un environnement atypique. Par exemple, si vous avez une application conçue pour être utilisée par des ouvriers travaillant dans un entrepôt ou un atelier, un modèle acoustique personnalisé peut reconnaître de façon plus précise le discours en présence des bruits rencontrés dans ces environnements.

  • Le service Speech offre un vaste éventail de polices de la voix pour la synthèse vocale (TTS). Toutefois, la voix neuronale personnalisée vous permet de créer votre propre voix personnalisée, adaptée à vos besoins et à votre image de marque. Pour plus d’informations, lisez le blog.

  • L'identification de la langue vous permet d'identifier un changement de langue parlée et de transcrire la parole en conséquence. Cela peut être appliqué dans des scénarios où la langue audio est inconnue ou lorsque le ou les locuteurs peuvent parler plusieurs langues. L'identification en une seule langue est disponible sans frais supplémentaires. L'identification continue de la langue est une fonction complémentaire améliorée. Consultez les documents pour en savoir plus.

    • L'évaluation de la prononciation évalue la prononciation de la parole et donne aux locuteurs des informations sur la précision et la fluidité de l'audio parlé. Grâce à l'évaluation de la prononciation, les apprenants en langues peuvent s'entraîner, obtenir des commentaires instantanés et améliorer leur prononciation afin de pouvoir parler et présenter en toute confiance. Les éducateurs peuvent utiliser la capacité d'évaluer la prononciation de plusieurs locuteurs en temps réel. Visitez docs pour apprendre plus.
    • Il est facturé en standard Speech to Text, exemple :
      Pour l'évaluation de 8 secondes de parole, vous serez facturé environ $-

Discutez avec un spécialiste des ventes pour qu’il vous explique en détail la tarification Azure. Comprendre la tarification de votre solution cloud.

Profitez de services cloud gratuits et d’un crédit de $200 pour découvrir Azure pendant 30 jours.

Ajout à des fins d’estimation. Appuyez sur « v » pour afficher sur la calculatrice